简单说：传统 AI 分子生成只追求 “活性强”，而多属性联合优化是一次性把 “药效、安全、可成药、好合成” 全部同时做到，从根源解决药物研发里 “活性好但成药性差” 的最大痛点。

1. 一次性满足多重约束，避免反复返工

同时优化：靶点亲和力、选择性、ADMET、hERG 毒性、代谢稳定性、溶解度、血脑屏障穿透、合成可及性等多个指标。

传统方式：先做活性，再改结构优化毒性，反复试错，周期长、成本高。

优势：一步生成就满足大部分成药条件，大幅减少后期淘汰率。

2. 显著提升成药性，降低临床失败风险

临床失败中，超过 60% 源于 ADMET 问题、毒性、药代不佳，而非活性不足。

该技术在分子设计阶段就内置安全性与药代约束。

直接降低心脏毒性、肝损伤、代谢过快 / 过慢等风险，让分子更容易推进到临床。

3. 兼顾靶点选择性，减少脱靶副作用

可在优化时加入同源蛋白选择性约束，避免抑制相似靶点带来副作用。

尤其适合激酶、GPCR 等家族靶点，提升药物安全性与特异性。

4. 内置合成可及性，避免 “设计好看、做不出来”

很多 AI 生成的分子结构新颖但合成极难，甚至无法工业化生产。

多属性优化可把合成难度、路线长度、成本、绿色化学作为优化目标。

生成的分子既好又好做，直接对接药物化学合成与 CMC 开发。

5. 全局最优搜索，而非局部改良

传统药物化学多是骨架修饰、局部优化，容易陷入结构陷阱。

该技术基于生成模型做全局化学空间搜索，能发现全新骨架，同时满足所有属性。

突破人工经验局限，发现人类化学家想不到的优势分子。

6. 缩短研发周期，加速 PCC 候选分子获得

传统：活性→药代→毒性→合成，多轮迭代，耗时数月～年。

多属性联合优化：数天内即可批量产出高质量候选分子。

快速得到性质全面均衡的 PCC（临床前候选化合物），缩短临床前周期。

7. 支持个性化与场景化定制

可根据疾病场景灵活调整优化目标：

口服药：重点优化口服生物利用度、代谢稳定性

中枢神经药物：强化血脑屏障穿透 + 低外周副作用

抗感染药物：侧重选择性、不易耐药

一句话总结

多属性联合优化分子生成，是把 “药物研发的全部成功要素” 塞进 AI 设计过程，让分子从诞生起就更像 “药”，而不是只像 “有活性的化合物”，是当前 AI 制药从 “能发现” 走向 “能成药” 的关键技术。